基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

非均匀拓扑网络中的分布式一致性状态估计算法

分布式一致性状态估计是传感器网络中节点对目标的一种有效的估计融合方法。针对网络非均匀拓扑情况下的一致性状态估计问题,首先,研究了分布式传感器网络一致性状态估计框架,提出了四级功能模型,从信息处理、交互及融合的角度描述了一致性状态估计技术的主要流程;其次,考虑网络非均匀拓扑时一致性收敛速度较慢的情况,根据节点间通信链接的重要性设计了基于动态拓扑信息的自适应权值分配方法,在此基础上提出了基于自适应加权的卡尔曼一致性滤波(adaptive weighted Kalman consensus filter,AW-KCF)算法。仿真结果显示,AW-KCF在非均匀拓扑的稀疏网络中具有较快的一致性收敛速度。     

无线传感器网络中的分布式目标被动跟踪算法

为提高目标被动跟踪性能,并降低无线传感器网络（WSN）中的能量开销,提出了一种新的分布式信息粒子滤波（IPF）算法。根据目标的当前位置,将WSN中的结点动态组织成簇,建立分布式跟踪结构。利用信息扩展卡尔曼滤波器结合最新的观测量,产生粒子滤波的建议分布,详细推导了基于动态分簇结构的IPF具体实现步骤。建立机动目标跟踪的WSN仿真环境,比较了三种跟踪算法的性能和通信数据量。仿真结果表明,IPF具有较高的跟踪精度,与集中式粒子滤波算法的跟踪性能接近,而且降低了节点间的通信数据量。     

一种应用于二进制传感器网络的目标跟踪算法

针对采用集中式粒子滤波方法解决二进制传感器网络目标跟踪问题存在的实时性较差和网络能量消耗大的缺点，提出了一种基于动态分簇的分布式粒子滤波算法。以随着目标运动而动态变化的簇为信息处理结构，簇头节点收集簇成员的单跳测量信息，实时对目标状态进行估计，非簇内节点进入休眠状态以节省能量。仿真表明，合理设置簇转换距离和激活半径，算法的跟踪精度与集中式粒子滤波方法相当；在不影响跟踪效果的情况下，可适当减小簇转换距离和激活半径，从而节省网络能量。     

多传感器优化部署下的机动目标协同跟踪算法

针对资源有限的传感器网络中目标动态跟踪问题,提出了一种能够自适应选择跟踪传感器的机动目标协同跟踪算法。首先,采用粒子群优化算法优化传感器网络能耗与有效覆盖率,进行传感器位置部署;然后,以最大化候选传感器的Rényi信息增量与最小化传感器间信息传递能耗为适应度函数,采用二进制粒子群优化算法自适应选择最佳跟踪传感器组;最后,利用交互多模型粒子滤波对机动目标位置进行估计并进行分布式融合。仿真结果表明,与现有方法相比,该方法可在非高斯非线性环境下自适应选择最优跟踪传感器,显著提高目标跟踪精度,降低网络能耗。     

一种基于粒子滤波的被动多传感器多目标跟踪算法

针对被动观测系统中非线性运动多目标跟踪问题,提出了一种基于交叉定位的模糊-概率双加权粒子滤波跟踪算法.算法利用多个被动传感器的角度观测信息进行交叉定位,得到目标的位置观测信息,通过模糊-概率双加权完成目标与定位点的关联匹配,最后利用粒子滤波对非线性运动的目标进行跟踪;其中关联算法和滤波算法的有效结合是该算法的创新点.仿真结果表明,所提出的算法可以准确地排除虚假定位点,可有效跟踪多个非线性运动目标.     

考虑配准时空误差的多目标标签多伯努利滤波

针对多传感器协同跟踪目标过程中存在多节点间的信息时间延迟和空间配准偏差问题,提出基于配准偏差和时间延迟的标签多伯努利滤波(labeled multi-Bernoulli based on the registration errors and time delay, LMB-ReDe)算法。首先,通过排队论对节点个数随机变化的网络时间随机延迟进行建模;然后,构建了延迟环境中的非固定周期的目标转移过程和时间延迟过程中的伪量测;最后,在LMB滤波基础上提出LMB-ReDe算法实现目标状态的实时估计。仿真结果表明,在节点数随机变化的多传感器协同探测中,采用LMB-ReDe滤波器跟踪位置精度优于标准的LMB滤波器。     

基于一个移动锚节点的无线传感器网络节点定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,对此提出了一种基于移动锚节点的两步定位算法。该算法利用一个移动锚节点遍历整个网络,并周期性的广播包含自身当前位置的信息。把传感器节点的自身定位过程用基于无迹状态滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线3个锚节点信息,利用三边定位法提高滤波的初始位置精度,从而改善定位效果。最后仿真并分析比较了锚节点在多种移动轨迹情况下节点定位误差,结果表明本文所述两步定位法改善了对锚节点移动轨迹的特殊要求的限制,更适合实际情况,并取得理想的定位精度。     

一种无线传感器网络分布式加权容错检测算法

针对无线传感器网络的容错事件区域检测问题,提出一种分布式加权容错检测算法。考虑"邻域的邻域"的容错范围,首先利用邻域节点与其周围节点的信息交换,对邻域节点的状态值进行估计,然后采用加权容错方法对邻域节点的估计状态值进行加权综合,完成对中心节点的错误检测。仿真结果表明,该算法在传感器网络初始错误率达到20%的情况下,仍能够检测和纠正90%以上的错误。相比其他算法,该算法具有较高的错误检测精度,极大改善了事件发生区域边界节点的纠错问题,且算法运行时整个网络所消耗的能量适中。     

传感器网络中与节点位置无关的覆盖算法

在不能获取节点精确位置信息的条件下,现有的基于分组的节点调度算法不能保证各个组内的传感器节点均匀分布在目标区域,导致传感器网络难以获得较好的覆盖性能.提出了两种调度算法:与节点位置无关的集中式覆盖算法和分布式覆盖算法,在定位设施缺失的条件下,使得各个组内的传感器节点较为均匀地分布在目标区域.算法分析和仿真实验证明了算法的有效性.     

Distributed event region fault-tolerance based on weighted distance for wireless sensor networks

Event region detection is the important application for wireless sensor networks (WSNs), where the existing faulty sensors would lead to drastic deterioration of network quality of service. Considering single-moment nodes fault-tolerance, a novel distributed fault-tolerant detection algorithm named distributed fault-tolerance based on weighted distance (DFWD) is proposed, which exploits the spatial correlation among sensor nodes and their redundant information. In sensor networks, neighborhood sensor nodes will be endowed with different relative weights respectively according to the distances between them and the central node. Having syncretized the weighted information of dual-neighborhood nodes appropriately, it is reasonable to decide the ultimate status of the central sensor node. Simultaneously, readings of faulty sensors would be corrected during this process. Simulation results demonstrate that the DFWD has a higher fault detection accuracy compared with other algorithms, and when the sensor fault probability is 10%, the DFWD can still correct more than 91% faulty sensor nodes, which significantly improves the performance of the whole sensor network.     

MWSN中基于功率自适应的拓扑维护算法

为解决移动无线传感器网络(mobile wireless sensor networks,MWSN)中由于节点移动、新节点加入网络、节点退出网络和节点失效等因素引起网络拓扑发生变化而影响网络性能的问题,提出了一种基于功率自适应的拓扑维护算法(power adaptation based topology maintenance algorithm, PATMA)。PATMA算法将传输单位比特数据包的能耗大小作为选择中继节点的条件,通过中继节点维护与距离较远的邻居节点的连通;当网络拓扑结构发生变化时,节点自适应地调整发射功率维护网络的连通;同时根据引起网络拓扑发生变化的具体原因设置不同事件,节点依据检测到的事件采取相应的拓扑维护策略。仿真结果表明,PATMA算法与功率自适应控制(new adaptive power control, NAPC)算法、拓扑控制(topology control, XTC)算法在平均发射功率、网络连通度、网络中存活的节点数等性能指标方面具有明显改善。     

微波接力组网的节点再优化研究

为进一步完善常规方法构建的微波接力网组网拓扑,提出了一种基于最优链路集的网络节点再优化方法。该方法综合考虑节点吸引系数、链路衰落概率、节点通信冗余等因素,借助网络拓扑优化的思想,采用遗传算法构造了微波接力网的最优链路集;以节点在该集合中的度为依据,通过对节点的合理排序,以部分用户节点代替非必要的干线节点,完善了组网拓扑。在修改链路和节点价值集后,该方法还可解决其他网络干线、中继节点的选择问题。     

无线传感器网络目标跟踪平台协同调度的实现

目标跟踪是无线传感器网络的一个重要应用。为了验证和测试算法性能,缩小理论与实际的差距,必须构建相应的物理平台。介绍了所构建的无线传感器网络目标跟踪平台,其硬件包含超声波传感器、被动红外传感器和Micaz节点组成的无线传感器网络,而软件包括上层监控系统及下层节点嵌入式程序。针对节点资源十分有限的情况,提出了一种基于最小均方估计误差的目标跟踪协同调度算法,并在物理平台上成功实现,实验表明该平台能有效地跟踪无线传感器网络内的移动目标,并在保证跟踪精度和跟踪实时性的同时,采用了双重唤醒/休眠机制来延长网络寿命。     

分布式干扰下组网雷达目标检测与跟踪技术

针对分布式干扰下组网雷达目标检测与跟踪,提出一种基于分布式干扰下雷达量测模型的跟踪技术。该跟踪技术包括分布式干扰下量测模型和组网雷达序贯滤波跟踪两部分,分布式干扰下量测模型根据雷达采取抗干扰措施前后的接收机输入端的信干比分别计算检测概率,进而模拟传感器在分布式干扰下对目标的检测情况。在组网雷达序贯滤波中,首先对分布式干扰下各雷达的量测数据进行串行合并和点迹合成,然后采用基于交互多模型的序贯滤波方法对压缩后的数据进行跟踪。该检测与跟踪技术可模拟出雷达在分布式干扰下因检测概率下降造成的目标暂消现象,提高组网雷达跟踪航迹的连续性和稳定性。仿真结果证明了该技术的可行性和有效性。